基于窄带优化的自适应多匹配块随机查找图像修复

为解决传统图像修复过程中存在的不一致问题,提出一种基于窄带优化的自适应多匹配块随机查找图像修复方法。利用小波变换分解破损图像获得不同分辨率的低频与高频子图。由每一子图破损边界上待修复块颜色和结构信息自适应计算其匹配块尺寸及数量。基于最小堆随机查找匹配块序列,并利用窄带模型对其进行优化以修复破损边界。对破损边界由外向内逐层修复直至破损区域补全,用小波回复算法重构出最终的修复结果。实验结果表明与已有方法相比该方法的修复结果具有更好的视觉一致性。

自适应最优化窄带分解方法及其应用

提出了自适应最优化窄带分解(Adaptive Optimization Narrow-Band Decomposition,AONBD)方法。该方法将信号分解转化为对滤波器参数的优化问题,以得到信号的最优化解为优化目标,在优化过程中将信号自适应的分解成多个内禀窄带分量(Intrinsic Narrow-Band Components,INBC)。AONBD分为两步,首先通过优化得到最优的滤波器,然后使用该滤波器对信号进行滤波以得到信号的最优化解。阐述了AONBD的基本原理及分解步骤。采用仿真信号将AONBD方法与自适应最优化时频分析(Adaptive Sparsest Time-Frequency Analysis,ASTFA)方法及经验模态分解(Empirical Mode Decomposition,EMD)方法进行对比。结果表明,AONBD在抑制端点效应和模态混淆、抗噪声性能、提高分量的正交性和准确性等方面具有一定的优越性。对转子振动信号的分析结果表明,AONBD能有效应用于机械故障诊断。